Estimasi parameter model regresi linier pada data yang mengandung outlier dengan metode maximum likelihood estimation

INDONESIA:

Secara umum outlier dapat diartikan data yang tidak mengikuti pola umum pada model atau data yang keluar dari model dan tidak berada dalam daerah selang kepercayaan. Outlier merupakan salah satu faktor yang dapat mempengaruhi estimasi parameter pada model regresi linier. Untuk mengetahui apakah outlier berpengaruh terhadap estimasi parameter pada model regresi linier dilakukan dengan jalan mengestimasi parameter model regresi linier yang mengandung outlier dan mengaplikasikan hasil estimasi parameter tersebut pada data yang mengandung outlier.

Penelitian ini bertujuan untuk mengestimasi parameter model regresi linier yang mengandung outlier dan diharapkan dapat mempermudah para peneliti dalam mengestimasi parameter model regresi linier yang mengandung outlier. Metode yang digunakan untuk mengestimasi parameter model regresi linier yang mengandung outlier adalah metode maximum likelihood estimation. Untuk membuktikan pengaruh outlier terhadap suatu estimasi parameter pada model regresi linier dilakukan suatu pengujian terhadap estimasi parameter yang dihasilkan dari metode maximum likelihood estimation yaitu dengan cara menentukan sifat-sifat estimasi parameter yang mengandung outlier dan menerapkan langsung pada data yang mengandung outlier. Setelah itu, menghilangkan data yang terdapat outlier dan mengestimasi kembali model tersebut.

Hasil penelitian ini menujukkan bahwa estimasi parameter model regresi linier yang tidak mengandung outlier lebih baik daripada estimasi parameter model regresi linier yang mengandung outlier. Akan tetapi pada aplikasi datanya, nilai estimasi parameter yang dihasilkan model regresi linier pada data yang mengandung outlier lebih kecil daripada nilai estimasi parameter model regresi linier pada data ketika outliernya dihilangkan.

ENGLISH:

In general, outliers can be interpreted the data that do not follow the general pattern on the model or data out of the model and not in the confidence interval. Outlier is one factor that can affect the estimation of parameters in linear regression models. To determine whether the outlier effect on parameter esrimation in linear regression model was done by estimating parameters of linear regression models containing outlier and apply the result of parameter estimation on data that contain outliers.

This study aims to estimate the parameters of linear regression models containing outlier and is expected to facilitate the reseachers in estimating the parameters of linear regression models that contain outlier. the method used to estimate parameters of linear regression models containing outlier is the maximum likelihood estimation method. To prove the influence of outlier on the estimation of parameters in linear regression models carried out an examination of parameter estimates resulting from maximum likelihood estimation method is by way of determining the properties of parameter estimates wich contain outliers and apply directly on the data contain outliers. After that, remove the data contained outliers and estimate the model again.

The results of this study showed that the estimated parameters of the linear regression model that does not contain outlier is better than linear regression model parameter estimation that contain outlier. However, the application data, the value of the parameter estimates generated linear regression models to data containing outliers is smaller than the value of the parameter estimation of linear regression model to the data when its outlier eliminated.